Это случается с каждым водителем чаще, чем он или она, вероятно, хотели бы: путешествовать по запланированному маршруту, и каким-то образом удается ударить каждый свет по пути. Мало того, что это расстраивает, но то, что остановка и тратит впустую топливо, время и может даже привести к тупику, приводя к остановке всего города.
Новое программное обеспечение для моделирования, разработанное Каролиной Осорио, доцентом кафедры гражданского и экологического проектирования в MIT, обещает сгладить трафик более эффективным способом, чем любое другое программное обеспечение до него. Оптимизировав время светофоров за пределы возможностей современных систем, ее модели показали сокращение времени поездки в час пик на 22 процента.
Системы синхронизации светофора обычно работают одним из двух способов. В крупном городском или региональном масштабе системы устанавливают временные рамки на основе наблюдаемого трафика; это так называемые модели на основе потока. Другие тренажеры работают в более микромасштабе с учетом действий и привычек отдельных водителей. Эти симуляторы действуют как своего рода искусственный интеллект, помогающий предсказать, как поведение и решения водителя могут измениться в данных условиях движения. Это те мелкие разногласия и индивидуальные решения, которые выбрасывают модели на основе потока.
«Мне нужно учитывать, как люди будут реагировать на мои изменения. Если время в пути увеличивается по артериальной [дороге], то люди могут отклониться », - объясняет Осорио.« Большинство программ для синхронизации сигналов смотрит на текущие или исторические схемы движения. Оно не учитывает, как может измениться поездка ».
Эта проблема может усугубиться, поскольку все больше и больше изменений сигнала осуществляются. Скажем, например, у вас есть два возможных маршрута для работы: Маршрут A и Маршрут B. Вы чаще всего выбираете Маршрут A, но однажды меняется время светофора, поэтому вы решаете переключиться на Маршрут B. Не только изменился ли поток трафика на маршруте A, но те, кто уже выбирал маршрут B, могут быть склонны пересмотреть свои варианты. Еще более усложняют вопросы, как эти изменения и отклонения могут распространяться наружу и влиять на остальные дороги и перекрестки в регионе.
Очевидное решение заключается в запуске как потоковых, так и индивидуальных моделей для всех сценариев. Но моделирование каждой возможной перестановки транспортного потока неосуществимо. Количество вычислительной мощности, которое может потребоваться для выполнения такого сложного моделирования для всего города, сделает стоимость системы чрезмерно высокой.
Чтобы обойти эту проблему, не жертвуя верностью и надежностью, система Osorio сочетает в себе лучшее из обоих миров. Он использует только лучшие сценарии, основанные на потоке, как определено обычным программным обеспечением синхронизации, и запускает моделирование для конкретного драйвера только в этих случаях.
Возьмем, к примеру, перекресток с гораздо более интенсивным транспортным потоком на север и юг, чем на восток и запад. Более простые модели могут привести к тому, что светофор должен давать больше зеленого времени на полосах север-юг, чем на востоке-западе. Затем более сложные симуляции могут помочь оценить, насколько длинными должны быть эти огни, а также предсказать волновой эффект такого изменения.
Решение масштабируемое. «Допустим, у меня было 100 различных сигналов, которые я хотел проверить», - говорит Осорио. «Более простая модель может дать вам представление о подмножестве 100, которое может иметь большой потенциал. Затем мы запускаем симуляцию на подмножестве ».
Цветные линии представляют основные дороги в Лозанне, Швейцария. На левой карте, с обычным программированием светофора, есть много красных линий, которые представляют длинные поездки. Правая карта, которая использует улучшенную систему исследователя, имеет много зеленых линий, которые обозначают короткие поездки на работу. (Предоставлено Каролиной Осорио) В статье Осорио, которая будет опубликована в журнале Transportation Science, ее модель использовалась для движения в Лозанне, Швейцария, районе, где она когда-то жила. Работая с данными о движении по 47 дорогам и 15 перекресткам (на девяти из которых есть светофоры), исследование применяет ее алгоритмы к первому часу вечернего часа пик. Моделирование сократило время в пути почти на четверть.
Симуляторы транспортных потоков, которые Осорио вводит в свои модели, обычно создаются самими городами. Муниципалитеты собирают свои собственные данные о преобладающих условиях дорожного движения и информацию о переписи мин, в частности, для создания моделей, которым они доверяют. Затем они передают Osorio свои симуляции со встроенными метаданными об их инфраструктуре, популярных направлениях, пешеходном трафике и других соответствующих приоритетах.
Например, в Манхэттене существуют особые ограничения в отношении того, как долго пешеходы должны иметь право проезда. Департамент транспорта Нью-Йорка уже сотрудничает с командой Осорио для управления потоком в пиковые периоды в районах с интенсивным движением в Манхэттене.
«Такая модель может проверить нашу активную систему управления трафиком на Манхэттене и позволить нам отрегулировать наши процессы и улучшить работу сети», - сказал MIT News заместитель директора по системному проектированию NYC DOT Мохамад Талас.
По словам Осорио, в зависимости от целей города модель может помочь оптимизировать ее под различные факторы. Например, он может рассчитывать время движения, чтобы помочь водителям повысить экономию топлива.
Ее команда уже сотрудничает с компаниями по нескольким проектам. Они участвуют в попытках помочь водителям будущих автономных автомобилей определить идеальные времена и места для перехода в автономный режим для экономии топлива. Еще одна работа в процессе позволит программам совместного использования автомобилей, таким как ZipCar, лучше определять местонахождение мест их посадки и высадки, чтобы клиенты могли более надежно оценить время в пути.
Вся работа Осорио, включая тест в Лозанне, все еще находится в фазе симуляции, и нет точных сроков для применения ее уроков по дорожному движению на дороге.
«Но именно поэтому мы делаем эти вещи, - говорит она, - чтобы реализовать их в реальном мире».
